采用 Latent Dirichlet Allocation 进行Topic Model。点击其中jar文件可以直接进行手动操作。

里面是我作为过来人学习LDA topicmodel 这一理论模型的中文资料，非常详细，基本上罗列了各个大神博客中对于LDA Gibbs sampling的讲解，非常适合初学者！

Knightzjz.github.io Knight，FakeNews：#EZPZ总共显示约100张图像，并带有NeuralTalk2生成的图像标题。 从假新闻中抓取的图像在每个标题的开头都标记为“假”。 我还选择了一些典型的图像，以将其标题与TopicModel生成的新闻标题和新闻主题进行比较。 这3个属性在标题/标题/主题的范围中由/分隔符分隔。 为了比较图像的这3个属性，以定义其伪造或注释，需要做更多的工作。

<% Class TopicModel  Public OnView  Public Function Load(id)   IF Not(IsEvent(OnView)) Then    OnView(1)   End IF  End Function  Function IsEvent(evnet)   IsEvent = IsEmpty(evnet)  End Function End Class Sub UpdateViewCounter(value)  Response.Writ